एंटन डोलगिख, डेटाआर्ट में एआई, हेल्थकेयर और लाइफ साइंसेज के प्रमुख – साक्षात्कार श्रृंखला

एंटन डोलगिख डेटाआर्ट में एआई और एमएल-ओरिएंटेड परियोजनाओं का नेतृत्व करते हैं, जो हेल्थकेयर और लाइफ साइंसेज प्रैक्टिस में हैं और एमएल विधियों के साथ व्यवसायिक समस्याओं का समाधान करने पर केंद्रित शिक्षकों और प्रशिक्षकों को चलाते हैं। डेटाआर्ट में काम करने से पहले, डोलगिख ने बेल्जियम के एक प्रमुख निजी शोध विश्वविद्यालय, यूनिवर्सिटी लिब्रे डी ब्रुक्सेल्स में जटिल प्रणालियों के विभाग में काम किया था।

आपको एआई और जीवन विज्ञान के क्षेत्र में करियर बनाने के लिए क्या प्रेरित किया?

मैंने हमेशा पढ़ने का शौक रखा है। मुझे किताबें पढ़ना बहुत पसंद है। विश्वविद्यालय में, मैंने एक नए स्रोत की खोज की – लेख। एक समय ऐसा आया जब यह स्पष्ट हो गया कि एक पूरी तस्वीर प्राप्त करने, सुंदर सत्य को एक जटिल जानकारी से निकालना लगभग असंभव है। और यहाँ एआई आता है। सांख्यिकी, मशीन लर्निंग और प्राकृतिक विज्ञान एआई के साथ मिलकर मानव मस्तिष्क की ज्ञान की प्यास और एक ऐसे विश्व के बीच एक पुल बनाने का काम करते हैं जहां सभी नियम ज्ञात हैं और कोई काले बॉक्स नहीं हैं।

आप वर्तमान में एमएल विधियों के साथ व्यवसायिक समस्याओं का समाधान करने पर केंद्रित डेवलपर्स को शिक्षित और प्रशिक्षित करते हैं। क्या मशीन लर्निंग का कोई विशिष्ट क्षेत्र है जिस पर आप अधिक ध्यान केंद्रित करते हैं, जैसे कि डीप लर्निंग?

हाँ, डीप लर्निंग एक बहुत ही लोकप्रिय और, ईमानदारी से, शक्तिशाली उपकरण है; हम इसे नकार नहीं सकते। मैं व्यक्तिगत रूप से क्लासिकल एल्गोरिदम की बेयेसियन व्याख्या या तंत्रिका नेटवर्क और बेयेसियन दृष्टिकोण के संयोजन को पसंद करता हूं – उदाहरण के लिए, एक बेयेसियन वैरिएशनल ऑटोएनकोडर। लेकिन मुझे लगता है कि नए एमएल लोगों को सिखाने के लिए सबसे महत्वपूर्ण बात यह है कि उन्हें एमएल मशीनरी का उपयोग करने से पहले इसके पीछे के मूल सिद्धांतों को समझना चाहिए। एक आवश्यक कौशल यह है कि व्यवसायिक दर्शकों के लिए प्राप्त भविष्यवाणियों की व्याख्या करने में सक्षम होना।

मार्च 2019 में, आपने ‘क्या हम मशीन रेडियोलॉजिस्ट और उनकी गलतियों के लिए तैयार हैं?’ शीर्षक से एक लेख लिखा। लेख में, आपने मशीन रेडियोलॉजिस्ट और मानव रेडियोलॉजिस्ट के परिणामों को स्वीकार करने के फायदे और नुकसान को रेखांकित किया। यदि आपको मानव और मशीन के बीच चुनना होता, तो आप किसे चुनेंगे और क्यों?

मैं मानव रेडियोलॉजिस्ट को पसंद करता हूं। नहीं क्योंकि मुझे कुछ विशेष ज्ञान है कि एआई भारी रूप से त्रुटियों के लिए प्रवण है और निर्णय अंतर्निहित रूप से त्रुटिपूर्ण हैं। नहीं, यह अधिक एक प्रश्न है संवेदनशीलता और मनोवैज्ञानिक प्रकृति का। मैं इस कठिन समय में मानव डॉक्टरों का समर्थन करना चाहता हूं। इसके अलावा, मुझे लगता है कि निकट भविष्य में, हम केवल एआई को मानव क्षमता को बढ़ाने के लिए देखेंगे।

हाल ही में, आपने ‘आर्टिफिशियल इंटेलिजेंस का लाइफस्पैन पर प्रभाव’ शीर्षक से एक श्वेत पत्र लिखा। इस पत्र में, आपने कहा कि एआई को लंबे जीवन की खोज में एक उपकरण के रूप में देखा जाना चाहिए। एआई लंबे जीवन की खोज में कुछ अधिक आशाजनक तरीके क्या हो सकते हैं?

आज, एआई एक नए उपकरण के रूप में वैज्ञानिक प्रयोगशालाओं में क्लासिक उपकरणों और दृष्टिकोणों के साथ काम करना शुरू कर रहा है। यह तथ्य ही आशाजनक है। एआई हमें संघर्ष में मदद करने के लिए है, हमें त्रुटियों से नहीं बचाने के लिए।

उसी श्वेत पत्र में बायोजेरोन्टोलॉजी रिसर्च फाउंडेशन एआई निदेशक और इनसिलिको मेडिसिन के सीईओ डॉ अलेक्स झावोरोनकोव का दावा है कि 150 वर्ष तक जीवनकाल बढ़ाना एक कल्पनात्मक लक्ष्य नहीं है। क्या आप मानते हैं कि 2020 में जन्म लेने वाला एक बच्चा 120 या даже 150 वर्ष तक जीवित रह सकता है?

मैं चाहता हूं कि यह सच हो। एक वैज्ञानिक के रूप में, मुझे तथ्यों पर आधारित निर्णय लेने होते हैं। हमने जेनेटिक्स, बायोटेक्नोलॉजी और चिकित्सा में महत्वपूर्ण प्रगति की है, जो मेरे विश्वास को मजबूत करती है। और हमें यह नहीं भूलना चाहिए कि लंबे जीवनकाल में सफलता का एक महत्वपूर्ण हिस्सा स्वस्थ वातावरण और स्वस्थ जीवनशैली पर निर्भर करता है।

उसी पत्र में, आप माइंड अपलोडिंग (ट्रांसह्यूमनिज्म) की संभावना का उल्लेख करते हैं। क्या आप मानते हैं कि यह एक वास्तविकता बन सकती है, और यह आपको व्यक्तिगत रूप से कैसा महसूस कराती है?

मैंने इसके बारे में बहुत सोचा है। ईमानदारी से, यह मुझे निराश महसूस कराता है। मुझे लगता है कि हम व्यक्तित्व को अपने शरीर से जोड़ते हैं, और मेरे लिए, यह मेरे चरित्र को मेरे शरीर से अलग करना मुश्किल है। हालांकि, इसका मतलब यह नहीं है कि यह असंभव है। और हाँ, मुझे लगता है कि माइंड अपलोडिंग जल्द या बाद में वास्तविक हो सकती है। इसके परिणाम अधिक कठिन हैं।

आप वर्तमान में डेटाआर्ट में एआई, हेल्थकेयर और लाइफ साइंसेज के प्रमुख हैं। डेटाआर्ट पर कुछ सबसे रोचक परियोजनाएं क्या हैं जिन पर आप काम कर रहे हैं?

हमारे पास एक परियोजना है जो नई दवा विकास पर केंद्रित है। यह देखना प्रेरणादायक है कि कैसे गणनात्मक विधियों ने चिकित्सा रसायन विज्ञान और फार्माकोलॉजी में प्रगति को ईंधन देने और निर्देशित करने के लिए विकसित की हैं। हम चिकित्सा पाठों से जानकारी निकालने के लिए एआई को लागू करने पर भी बहुत काम करते हैं, जैसे कि नैदानिक परीक्षण रिपोर्ट, चिकित्सा लेख, और विशेष मंच। यह कठिन काम है, लेकिन यह हमें स्वास्थ्य सेवा के डिजिटलीकरण के करीब ले जाता है, और मुझे यह रोमांचक लगता है।

एक पुस्तक प्रेमी के रूप में, मुझे आपके पुस्तक सुझाव पूछने होंगे।

• जुडिया पियरल “कारणता: मॉडल, तर्क और अनुमान“। शीर्षक स्वयं-व्याख्यात्मक है – यह पुस्तक कारण संबंधों के बारे में है। यदि (एक दिन) हमें सच्चा एआई चाहिए तो हमें इसके कारण और प्रभाव के बारे में तर्क करना सिखाना होगा;
• यदि आप कारणात्मक और व्यावहारिक तरीकों में रुचि रखते हैं, तो डाफ्ने कोलर और निर फ्रीडमैन का मौलिक कार्य “संभाव्य ग्राफिकल मॉडल: सिद्धांत और तकनीक” सही विकल्प होगा;
• हम उम्मीद करते हैं कि शक्तिशाली एआई हमें समझने में सक्षम होगा। इसलिए, हमें इसे भाषा सिखाना होगा। प्राकृतिक भाषा प्रसंस्करण प्राकृतिक भाषाओं की समझ की समस्या को संबोधित करता है। मेरे दिमाग में दो शीर्षक हैं जिन्होंने मुझे बहुत मदद की:
  1. योवाव गोल्डबर्ग, न्यूरल नेटवर्क विधियां प्राकृतिक भाषा प्रसंस्करण में (सिंथेसिस लेक्चर ऑन ह्यूमन लैंग्वेज टेक्नोलॉजीज), 2017
  2. क्रिस्टोफर डी. मैनिंग, प्रभाकर राघवन, हिनरिच शुट्ज़े सूचना पुनर्प्राप्ति का परिचय, 2009
• मुझे लगता है कि अगली पुस्तक एआई के लिए समर्पित नहीं है, लेकिन यह सांख्यिकी और भविष्यवाणियों के लिए एक गैर-मानक दृष्टिकोण प्रदर्शित करती है जो किसी भी एआई शोधकर्ता के लिए उपयोगी होगी: बर्ट्रांड एस. क्लार्क, जेनिफर एल. क्लार्क पूर्वानुमान सांख्यिकी: विश्लेषण और मॉडलों से परे अनुमान
• और मैं सूची को एक विज्ञान-कथा पुस्तक के साथ समाप्त करूंगा: स्टैनिस्लाव लेम, स्टार डायरीज

क्या आप डेटाआर्ट के बारे में और कुछ साझा करना चाहते हैं?

डेटाआर्ट जीवन और गतिविधि के लगभग हर पहलू के डिजिटलीकरण की हाल की प्रवृत्ति का एक उत्कृष्ट उदाहरण है। यह प्रवृत्ति सॉफ्टवेयर विकास में जिम्मेदारी बढ़ाती है क्योंकि आज यह केवल एक दुकान के लिए एक साइट बनाने के बारे में नहीं है, जिसमें एक विकासक की गलती के न्यूनतम परिणाम होंगे। आज एक विकासक की गलती एक राष्ट्रीय या विश्व स्तरीय आपदा बन सकती है यदि यह एक कार्यक्रम को नियंत्रित करने में शामिल है जो एक परमाणु संयंत्र के कार्य को नियंत्रित करता है। डेटाआर्ट का सॉफ्टवेयर विकास में जिम्मेदार दृष्टिकोण मुझे हमारे द्वारा विकसित की जाने वाली चीजों पर विश्वास दिलाता है, और मुझे कंपनी और हमारे द्वारा किए जा रहे काम पर गर्व है।

हाल की एक अन्य परियोजना के रूप में, पिछले साल डेटाआर्ट ने ‘स्किनकेयरएआई’ नामक एक प्रोटोटाइप एप्लिकेशन लॉन्च किया, जो त्वचा की छवियों का विश्लेषण करके मेलेनोमा के शुरुआती संकेतों का पता लगाता है। मशीन लर्निंग (एमएल) प्रौद्योगिकी की नवीनतम प्रगति को प्रदर्शित करते हुए, स्किनकेयरएआई को डेटाआर्ट एमएल विशेषज्ञ एंड्रे सोरोकिन द्वारा इंटरनेशनल स्किन इमेजिंग कोलेबोरेशन (आईएसआईसी) चुनौती के लिए विकसित किया गया था।

अधिक जानने के लिए हमारी अन्य परियोजनाओं और मामलों के अध्ययन के बारे में, कृपया डेटाआर्ट के हेल्थकेयर और लाइफ साइंसेज पेज पर जाएं।